• für für Einzelpersonen
  • für Unternehmen
  • für für Hochschulen
  • für Behörden
Abschlüsse
​
Anmelden
Kostenlose Teilnahme
  • Blättern
  • Computer Vision

Computer Vision Kurse

Computer-Vision-Kurse können Ihnen helfen zu lernen, wie visuelle Daten verarbeitet, erkannt und interpretiert werden. Sie können Fähigkeiten in Bildanalyse, Objekterkennung, Modelltraining und Evaluationsmethoden aufbauen. Viele Kurse stellen Python-Bibliotheken, Frameworks und Tools vor, die das Entwickeln und Testen visueller Modelle unterstützen.

Beliebte Computer Vision Kurse & Zertifikate


  • I

    IBM

    Einführung in Computer Vision und Bildverarbeitung

    Kompetenzen, die Sie erwerben: Modell Ausbildung, Algorithmen für maschinelles Lernen, Methoden des maschinellen Lernens, Modell-Optimierung, Faltungsneuronale Netzwerke, Feinabstimmung, Tiefes Lernen, Modellevaluation, Computer Vision, Netzarchitektur, Transfer Learning, Lernen übertragen, Bewertung des Modells, Bildqualität, Faltungsneuronale Netze, Klassifizierungsalgorithmen

    4,3
    Bewertung, 4,3 von 5 Sternen
    ·
    1438 Bewertungen

    Mittel · Kurs · 1–3 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    U

    University of Colorado Boulder

    Computer Vision

    Kompetenzen, die Sie erwerben: Image Analysis, Computer Vision, Autoencoders, Convolutional Neural Networks, Vision Transformer (ViT), Generative Adversarial Networks (GANs), Recurrent Neural Networks (RNNs), Deep Learning, Generative Model Architectures, Artificial Intelligence and Machine Learning (AI/ML), Computer Graphics, Visualization (Computer Graphics), Machine Learning Methods, Model Deployment, Embeddings, Artificial Intelligence, Data Ethics, Data Processing, Applied Machine Learning, Linear Algebra

    Auf einen Abschluss hinarbeiten

    4,5
    Bewertung, 4,5 von 5 Sternen
    ·
    93 Bewertungen

    Mittel · Spezialisierung · 1–3 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    C

    Columbia University

    Erste Grundlagen der Computer Vision

    Kompetenzen, die Sie erwerben: Dimensionalitätsreduktion, Algorithmen für maschinelles Lernen, Farbenlehre, Medizinische Bildgebung, Bildanalyse, Elektronische Komponenten, Algorithmen, Schätzung, Fotografie, Künstliche neuronale Netze, Computer Vision, Visualisierung (Computergrafik), Unüberwachtes Lernen, Mathematische Modellierung, Computergrafik, Bildqualität, Virtuelle Realität, Graphentheorie, 3D-Modellierung, Automatisierungstechnik

    4,7
    Bewertung, 4,7 von 5 Sternen
    ·
    242 Bewertungen

    Anfänger · Spezialisierung · 3–6 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    D

    DeepLearning.AI

    Fortgeschrittene Computer Vision mit TensorFlow

    Kompetenzen, die Sie erwerben: Modell Ausbildung, Bildanalyse, Modell-Optimierung, Faltungsneuronale Netzwerke, Tensorflow, Feinabstimmung, Tiefes Lernen, Modellevaluation, Computer Vision, Angewandtes maschinelles Lernen, Transfer Learning, Lernen übertragen, Visualisierung (Computergrafik), Bewertung des Modells, Faltungsneuronale Netze, Klassifizierungsalgorithmen

    4,7
    Bewertung, 4,7 von 5 Sternen
    ·
    533 Bewertungen

    Mittel · Kurs · 1–4 Wochen

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    M

    MathWorks

    MathWorks Computer Vision Engineer

    Kompetenzen, die Sie erwerben: Computer Vision, Model Evaluation, Image Analysis, Model Deployment, Anomaly Detection, Convolutional Neural Networks, Transfer Learning, Model Training, Fine-tuning, Deep Learning, Machine Learning Methods, Image Quality, Generative AI, Data Preprocessing, Artificial Neural Networks, Matlab, Applied Machine Learning, Machine Learning, Classification Algorithms, Software Visualization

    4,7
    Bewertung, 4,7 von 5 Sternen
    ·
    374 Bewertungen

    Anfänger · Berufsbezogenes Zertifikat · 3–6 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    D

    DeepLearning.AI

    Faltungsneuronale Netzwerke

    Kompetenzen, die Sie erwerben: Modell Ausbildung, Feature Technik, Bildanalyse, Faltungsneuronale Netzwerke, Feinabstimmung, Tensorflow, Tiefes Lernen, Künstliche neuronale Netze, Angewandtes maschinelles Lernen, Computer Vision, Transfer Learning, Netzarchitektur, Lernen übertragen, Datenvorverarbeitung, Einbettungen, Technische Merkmale, Faltungsneuronale Netze, Vorverarbeitung von Daten

    4,9
    Bewertung, 4,9 von 5 Sternen
    ·
    42.599 Bewertungen

    Mittel · Kurs · 1–4 Wochen

Was führt Sie heute zu Coursera?

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    M

    MathWorks

    Deep Learning for Computer Vision

    Kompetenzen, die Sie erwerben: Model Evaluation, Computer Vision, Model Deployment, Anomaly Detection, Convolutional Neural Networks, Image Analysis, Transfer Learning, Model Training, Fine-tuning, Deep Learning, Generative AI, Artificial Neural Networks, Applied Machine Learning, Data Preprocessing, Matlab, Software Visualization, Classification Algorithms, Model Optimization, Predictive Modeling, Performance Tuning

    4,9
    Bewertung, 4,9 von 5 Sternen
    ·
    35 Bewertungen

    Anfänger · Spezialisierung · 1–3 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    U

    University of Colorado Boulder

    Introduction to Computer Vision

    Kompetenzen, die Sie erwerben: Image Analysis, Computer Vision, Deep Learning, Convolutional Neural Networks, Machine Learning Methods, Data Ethics, Microsoft Excel, Generative AI, Excel Formulas, Responsible AI, Data Transformation, Linear Algebra, Feature Engineering, Digital Signal Processing

    Auf einen Abschluss hinarbeiten

    4,5
    Bewertung, 4,5 von 5 Sternen
    ·
    42 Bewertungen

    Anfänger · Kurs · 1–4 Wochen

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    I

    IBM

    Python für Datenwissenschaft, KI und Entwicklung

    Kompetenzen, die Sie erwerben: Datenanalyse, NumPy, Python-Programmierung, Daten importieren/exportieren, Datenerhebung, Datenerfassung, Skripting

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    43.687 Bewertungen

    Anfänger · Kurs · 1–3 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    M

    MathWorks

    Objektverfolgung und Bewegungserkennung mit Computer Vision

    Kompetenzen, die Sie erwerben: Methoden des maschinellen Lernens, Bildanalyse, Optimierung des Verkehrsflusses, Tiefes Lernen, Computer Vision, Transfer Learning, Lernen übertragen, Matlab

    4,7
    Bewertung, 4,7 von 5 Sternen
    ·
    36 Bewertungen

    Anfänger · Kurs · 1–4 Wochen

  • Status: Neu
    Neu
    Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    E

    EDUCBA

    Apply OpenCV for Real-Time Computer Vision Projects

    Kompetenzen, die Sie erwerben: Computer Vision, Image Analysis, Program Development, Data Science, Real Time Data, Software Visualization, Visualization (Computer Graphics), Code Reusability, Python Programming, Development Environment, Model Training, Classification Algorithms, File I/O, Color Matching, System Design and Implementation, Data Preprocessing, Software Installation

    4,4
    Bewertung, 4,4 von 5 Sternen
    ·
    17 Bewertungen

    Anfänger · Spezialisierung · 3–6 Monate

  • Status: Kostenloser Testzeitraum
    Kostenloser Testzeitraum
    M

    MathWorks

    Computer Vision für Technik und Wissenschaft

    Kompetenzen, die Sie erwerben: Modell Ausbildung, Methoden des maschinellen Lernens, Algorithmen für maschinelles Lernen, Bildanalyse, Optimierung des Verkehrsflusses, Algorithmen, Maschinelles Lernen, Erkennung von Anomalien, Tiefes Lernen, Modellevaluation, Transfer Learning, Computer Vision, Lernen übertragen, Datenvorverarbeitung, Bewertung des Modells, Geografische Informationen und Technologie, Klassifizierungsalgorithmen, Matlab, Vorverarbeitung von Daten

    4,6
    Bewertung, 4,6 von 5 Sternen
    ·
    98 Bewertungen

    Mittel · Spezialisierung · 1–3 Monate

1234…753

Zusammenfassend finden Sie hier 10 unsere beliebtesten computer vision Kurse

  • Einführung in Computer Vision und Bildverarbeitung: IBM
  • Computer Vision: University of Colorado Boulder
  • Erste Grundlagen der Computer Vision: Columbia University
  • Fortgeschrittene Computer Vision mit TensorFlow: DeepLearning.AI
  • MathWorks Computer Vision Engineer: MathWorks
  • Faltungsneuronale Netzwerke: DeepLearning.AI
  • Deep Learning for Computer Vision: MathWorks
  • Introduction to Computer Vision: University of Colorado Boulder
  • Python für Datenwissenschaft, KI und Entwicklung: IBM
  • Objektverfolgung und Bewegungserkennung mit Computer Vision: MathWorks

Fähigkeiten, die Sie bei Software Development erlernen können

Programmiersprache (34)
Google (25)
Computerprogramm (21)
Software-Tests (21)
Web (19)
Google Cloud-Platform (18)
Anwendungsschnittstellen-Programmierung (17)
Datenstruktur (16)
Problemlösung (14)
Objektorientierte Programmierung (13)
Kubernetes (10)
List & Label (10)

Häufig gestellte Fragen zum Thema Computer Vision

Computer Vision ist ein Bereich der künstlichen Intelligenz, der Computern dabei hilft, visuelle Informationen wie Bilder und Videos zu interpretieren und zu verarbeiten. Sie wird für Aufgaben wie Bildklassifizierung, Objekterkennung, Gesichtsanalyse, Unterstützung in der medizinischen Bildgebung, Fertigungsprüfung und autonome Systeme eingesetzt. Kurse wie „Introduction to Computer Vision and Image Processing" von IBM und „First Principles of Computer Vision" der Columbia University vermitteln sowohl die praktischen als auch die konzeptionellen Grundlagen. Auf Coursera können Sie sich mit Computer Vision beschäftigen -- von einsteigerfreundlicher Bildverarbeitung bis hin zu tiefergehenden, auf neuronalen Netzen basierenden Ansätzen.‎

Computer Vision kommt in Berufsfeldern zum Einsatz, die mit KI, maschinellem Lernen, Robotik, Datenwissenschaft, Softwareentwicklung, Automatisierung und angewandter Forschung zu tun haben. Die Lernenden können das Gelernte in Bereichen wie Qualitätsprüfung, medizinische Bildgebung, Einzelhandelsanalytik, Transportwesen, Landwirtschaft, Sicherheit und kreative Medienwerkzeuge anwenden. Kurse wie „Convolutional Neural Networks" und „Advanced Computer Vision with TensorFlow" von DeepLearning.AI können dabei helfen, Kompetenzen aufzubauen, die für Arbeitsabläufe im Bereich des maschinellen Lernens und des Deep Learning relevant sind. Wenn Sie sich verschiedene Kurse zum Thema Computer Vision ansehen, können Sie besser verstehen, welche Anwendungen und Aufgabenbereiche Ihren Interessen entsprechen.‎

Bevor man sich mit Computer Vision befasst, ist es hilfreich, über Grundkenntnisse in Python-Programmierung, linearer Algebra, grundlegender Statistik und den CORE-Konzepten des maschinellen Lernens zu verfügen. Die Bildverarbeitung stützt sich zudem auf Konzepte wie Pixel, Filter, Transformationen, Merkmalsextraktion und Modellbewertung, sodass ein sicherer Umgang mit Mathematik und Datenworkflows das Verständnis des Stoffes erleichtern kann. Der Kurs „First Principles of Computer Vision" der Columbia University legt den Schwerpunkt auf grundlegende Konzepte, während der Kurs „Introduction to Computer Vision and Image Processing" von IBM dabei helfen kann, diese Konzepte mit praktischen Beispielen zu verknüpfen. Wenn Sie noch keine große Erfahrung mit KI haben, sollten Sie erwägen, parallel zu Ihrem ersten Kurs im Bereich Computer Vision Ihre Grundlagen in Python und im maschinellen Lernen zu vertiefen.‎

Zu den Fähigkeiten, die das Thema Computer Vision ergänzen, gehören Deep Learning, neuronale Netze, Bildverarbeitung, Datenvorverarbeitung, Modellbewertung, Python, TensorFlow, MATLAB und angewandtes maschinelles Lernen. Beispielsweise vermittelt der Kurs „Convolutional Neural Networks" von DeepLearning.AI Kenntnisse, die direkt mit modernen Bildverarbeitungsmodellen verknüpft sind, während sich der Kurs „Advanced Computer Vision with TensorFlow" auf Spezialisierungen bei der Implementierung konzentriert. Die Kurse „Deep Learning for Computer Vision" und „MathWorks Computer Vision Engineer" von MathWorks können nützlich sein, wenn Sie Erfahrungen mit MATLAB-basierten Arbeitsabläufen sammeln möchten. Die Kombination von Computer Vision mit diesen verwandten Fähigkeiten kann Ihnen helfen, den Schritt von theoretischen Konzepten hin zu praxisorientierten Projekten zu machen.‎

Ein guter Einstieg in das Thema Computer Vision besteht darin, zunächst die Grundlagen der Bildverarbeitung zu erlernen und anschließend zu Methoden des maschinellen Lernens und des Deep Learning für visuelle Daten überzugehen. Beginnen Sie damit, zu lernen, wie Bilder dargestellt werden, wie Filter und Transformationen funktionieren und wie Modelle Muster in visuellen Eingaben erkennen. „Einführung in Computer Vision und Bildverarbeitung" von IBM und „Einführung in Computer Vision" der University of Colorado Boulder sind leicht zugängliche Optionen aus den auf dieser Seite verfügbaren Kursen. Danach können Sie sich an Kurse wie „Convolutional Neural Networks" oder „Advanced Computer Vision with TensorFlow" herantasten.‎

Ja. Sie können auf Coursera auf zwei Arten kostenlos mit dem Lernen im Bereich Computer Vision beginnen:

  1. Sehen Sie sich das erste Modul zahlreicher Kurse zum Thema Computer Vision kostenlosan. Dazu gehören Videolektionen, Lesematerial, benotete Aufgaben und Coursera AI (sofern verfügbar).
  2. Starten Sie eine 7-tägige kostenlose Testphase für Spezialisierungen oder Coursera Plus. Damit erhalten Sie während des Testzeitraums vollen Zugriff auf alle Kursinhalte der teilnahmeberechtigten Programme.

Wenn Sie weiterlernen, ein Zertifikat im Bereich Computer Vision erwerben oder nach der Vorschau bzw. der Testphase den vollen Zugriff auf die Kurse freischalten möchten, können Sie ein Upgrade durchführen oder finanzielle Unterstützung beantragen.‎

Die besten Einsteigerkurse zum Thema Computer Vision sind in der Regel diejenigen, die zunächst Bildverarbeitung, visuelle Daten und zentrale Modellkonzepte erläutern, bevor sie sich fortgeschrittenen neuronalen Netzen zuwenden. Auf dieser Seite sind der Kurs „Introduction to Computer Vision and Image Processing" von IBM und der Kurs „Introduction to Computer Vision" der University of Colorado Boulder hervorragende Ausgangspunkte für den Aufbau von Grundkenntnissen. Der Kurs „First Principles of Computer Vision" der Columbia University könnte ebenfalls für Lernende interessant sein, die einen eher konzeptorientierten Ansatz bevorzugen. Sobald Sie mit den Grundlagen vertraut sind, kann Ihnen der Kurs „Convolutional Neural Networks" von DeepLearning.AI dabei helfen, sich weiter mit Deep Learning für visuelle Aufgaben zu befassen.‎

Kurse zum Thema Computer Vision behandeln in der Regel Bilddarstellung, Filterung, Merkmalserkennung, Objekterkennung, Klassifizierung, Segmentierung, konvolutionelle neuronale Netze und Modellbewertung. Je nach Schwerpunkt des Kurses werden in einigen Kursen auch praktische Tools und Frameworks wie TensorFlow oder MATLAB behandelt. So legt beispielsweise der Kurs „Advanced Computer Vision with TensorFlow" von DeepLearning.AI den Schwerpunkt auf angewandte Deep-Learning-Workflows, während sich der Kurs „Deep Learning for Computer Vision" von MathWorks auf Bildverarbeitungsaufgaben unter Verwendung von MathWorks-Tools konzentriert. Ein Vergleich der Kurstitel und Kompetenzbeschreibungen auf Coursera kann Ihnen dabei helfen, sich zwischen grundlegender Theorie, angewandten Projekten und toolspezifischem Lernen zu entscheiden.‎

Diese häufig gestellten Fragen dienen nur zu Informationszwecken. Den Lernenden wird empfohlen, eingehender zu recherchieren, ob Kurse und andere angestrebte Qualifikationen wirklich ihren persönlichen, beruflichen und finanziellen Vorstellungen entsprechen.

Andere wissenswerte Themen

Arts and Humanities
338 Kurse
Business
1095 Kurse
Computer Science
668 Kurse
Data Science
425 Kurse
Information Technology
145 Kurse
Health
471 Kurse
Math and Logic
70 Kurse
Personal Development
137 Kurse
Physical Science and Engineering
413 Kurse
Social Sciences
401 Kurse
Language Learning
150 Kurse

Coursera-Fußzeile

Fertigkeiten

  • Buchhaltung
  • Künstliche Intelligenz (KI)
  • Cybersecurity
  • Datenanalyse
  • Digitales Marketing
  • Personalwesen (HR)
  • Microsoft Excel
  • Projektleitung
  • Python
  • SQL

Berufsbezogene Zertifikate

  • Google AI-Zertifikat
  • Google Cybersecurity-Zertifikat
  • Google Datenanalyse-Zertifikat
  • Google IT-Support-Zertifikat
  • Google-Projektmanagement-Zertifikat
  • Google UX-Design-Zertifikat
  • IBM AI Engineering Zertifikat
  • IBM AI Produktmanager Zertifikat
  • IBM Data Science-Zertifikat
  • Intuit Academy Zertifikat Buchhaltung

Kurse & Spezialisierungen

  • AI Essentials Spezialisierung
  • Spezialisierung auf AI für Unternehmen
  • AI-Kurs für jedermann
  • Spezialisierung auf AI im Gesundheitswesen
  • Spezialisierung auf Deep Learning
  • Excel-Kenntnisse für die Spezialisierung auf Unternehmen
  • Kurs Finanzmärkte
  • Spezialisierung auf maschinelles Lernen
  • Prompt Engineering für ChatGPT-Kurs
  • Python für alle Spezialisierung

Karriere-Ressourcen

  • Berufseignungstest
  • CAPM-Zertifizierungsanforderungen
  • CompTIA A+ Zertifizierungsanforderungen
  • CompTIA Security+ Zertifizierungsanforderungen
  • Wesentliche IT-Zertifizierungen
  • Einkommensstarke Fähigkeiten zu erlernen
  • Wie man künstliche Intelligenz lernt
  • PMP-Zertifizierungsanforderungen
  • Beliebte Cybersecurity-Zertifizierungen
  • Teilen Sie Ihre Coursera-Lerngeschichte

Coursera

  • Info
  • Was wir anbieten
  • Leitung
  • Jobs
  • Katalog
  • Coursera Plus
  • Berufsbezogene Zertifikate
  • MasterTrack® Certificates
  • Abschlüsse
  • Für Unternehmen
  • Für Regierungen
  • Für Campus
  • Werden Sie Partner
  • Soziale Auswirkung
  • Freie Kurse
  • Udemy

Community

  • Kursteilnehmer
  • Partner
  • Beta-Tester
  • Blog
  • Der Coursera-Podcast
  • Tech-Blog

Mehr

  • Presse
  • Anleger
  • Nutzungsbedingungen/AGB
  • Datenschutz
  • Hilfe
  • Barrierefreiheit
  • Kontakt
  • Artikel
  • Verzeichnis
  • Partnerunternehmen
  • Stellungnahme zu moderner Sklaverei
  • Nicht verkaufen/weitergeben
Überall lernen
Aus dem App Store herunterladen
Erhältlich bei Google Play
Logo von Certified B Corporation
© 2026 Coursera Inc. Alle Rechte vorbehalten.
  • Coursera Facebook
  • Coursera LinkedIn
  • Coursera Twitter
  • Coursera YouTube
  • Coursera Instagram
  • Coursera auf TikTok